[發明專利]模型訓練方法、信息預測方法、裝置、存儲介質及設備

有效

• 申請號: 201911360658.2
• 申請日: 2019-12-25
• 公開（公告）號: CN111126495B
• 公開（公告）日: 2023-06-02
• 發明（設計）人: 楊晚鵬;譚怒濤
• 申請（專利權）人: 廣州市百果園信息技術有限公司
• 主分類號: G06F18/214
• 分類號: G06F18/214;G06F16/951;G06F16/958
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

1.一種信息預測模型訓練方法，其特征在于，包括：

獲取當前訓練周期對應的訓練樣本集合，其中，所述訓練樣本集合中的訓練樣本包含特征項目、所述特征項目對應的特征屬性值以及用戶針對信息條目的行為數據，所述特征項目中包含用戶特征和/或信息條目特征；

對所述訓練樣本集合中的所述行為數據進行統計，得到當前行為統計數據，并利用所述當前行為統計數據更新第一信息預測模型中的第一行為統計數據，得到第二信息預測模型，其中，所述第一信息預測模型對應于上一個訓練周期，所述第一信息預測模型應用于信息推薦系統；

利用所述訓練樣本集合對所述第二信息預測模型進行訓練，得到訓練后的第三信息預測模型。

2.根據權利要求1所述的方法，其特征在于，所述對所述訓練樣本集合中的所述行為數據進行統計，得到當前行為統計數據，包括：

針對所述訓練樣本集合中出現的每個特征屬性值，對當前特征屬性值對應的行為數據進行統計，得到所述當前特征屬性值對應的當前行為統計量；

匯總各特征屬性值對應的當前行為統計量，得到當前行為統計數據。

3.根據權利要求2所述的方法，其特征在于，所述針對所述訓練樣本集合中出現的每個特征屬性值，對當前特征屬性值對應的行為數據進行統計，包括：

針對所述訓練樣本集合中出現的每個特征屬性值，獲取當前特征屬性值在所述第一行為統計數據中對應的第一行為統計量，在所述第一行為統計量基礎上疊加所述訓練樣本集合中出現的所述當前特征屬性值對應的行為數據。

4.根據權利要求3所述的方法，其特征在于，所述在所述第一行為統計量基礎上疊加所述訓練樣本集合中出現的所述當前特征屬性值對應的行為數據，包括：

計算所述第一行為統計量與預設時間衰減因子的乘積；

在所述乘積基礎上疊加所述訓練樣本集合中出現的所述當前特征屬性值對應的行為數據。

5.根據權利要求1所述的方法，其特征在于，所述第一信息預測模型中包含嵌入層和全連接層，所述全連接層承接所述嵌入層和所述第一行為統計數據；

利用所述訓練樣本集合對所述第二信息預測模型進行訓練，得到訓練后的第三信息預測模型，包括：

利用所述訓練樣本集合對所述第二信息預測模型進行訓練，以對所述第二信息預測模型中的嵌入層參數和全連接層參數進行更新，得到訓練后的第三信息預測模型。

6.根據權利要求1所述的方法，其特征在于，在所述得到訓練后的第三信息預測模型之后，還包括：

將所述第三信息預測模型發布到對應的服務端。

7.根據權利要求1-6任一所述的方法，其特征在于，所述特征屬性值以哈希值表示。

8.根據權利要求1-6任一所述的方法，其特征在于，所述第一信息預測模型包括基于深度神經網絡DNN的信息預測模型。

9.根據權利要求1-6任一所述的方法，其特征在于，所述第一信息預測模型包括基于點擊通過率CTR的信息預測模型。

10.一種信息預測方法，其特征在于，包括：

獲取候選信息條目對應的當前樣本；

獲取信息預測模型，其中，所述信息預測模型采用如權利要求1-9任一所述的方法訓練得到，所述信息預測模型應用于信息推薦系統；

將所述當前樣本輸入至所述信息預測模型，并根據所述信息預測模型的輸出結果確定所述候選信息條目對應的預測結果。